【技术实现步骤摘要】
本专利技术属于深度学习与海洋反演交叉领域，尤其涉及基于双流模型的中尺度涡三维次表层结构反演方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、中尺度涡作为一种常见的海洋现象，广泛存在于各个海域，其内部结构为一种封闭的涡流，在垂直结构上影响深度可达数千米；同时中尺度涡蕴含着巨大能量，带动海洋热量、盐度、营养物质的传输，对海洋化学及生物环境带来不可忽视的影响；中尺度涡的动能甚至占据整个海洋中大、中海动能的90%，其能量会造成水下三维声场紊乱，扰乱水下通信和探测，对潜艇、渔船等安全造成影响，为此研究中尺度涡三维结构将有效保障水下潜艇的航行安全，对海洋环境监测、国防军事等提供有力保障。
3、随着卫星遥感技术的发展，高分辨率的卫星遥感技术已广泛应用于气象水文学，目前海表面的涡旋特征提取主要依托高分辨的卫星遥感观测资料，但该方式仅能获取到涡旋表面数据，无法直接探测到海洋内部的信息。与遥感观测相比，基于海洋的原位观测数据（如argo、ctd数据等）虽然可以探测海洋次表层的剖面信息，但存在时空分布不均匀、不连续，空间分辨率低等问题，不能满足中尺度涡内部动力过程的要求；因此，现有技术无法用高分辨率卫星资料反映次表层内部结构特征，妨碍对中尺度涡三维结构的进一步研究。
技术实现思路
1、为克服上述现有技术的不足，本专利技术提供了基于双流模型的中尺度涡三维次表层结构反演方法及系统，利用海表面信息作为输入参数、次表层温度数据作
2、为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
3、本专利技术第一方面提供了基于双流模型的中尺度涡三维次表层结构反演方法。
4、基于双流模型的中尺度涡三维次表层结构反演方法，包括：
5、通过卫星采集待反演的中尺度涡海表面信息，包括海表面温度和海表面高度；
6、将中尺度涡海表面信息输入到训练好的双流模型中，反演出中尺度涡不同深度下的温度结果，得到中尺度涡次表层温度剖图；
7、其中，所述双流模型引入triplet attention注意力机制，采用三分支结构融合通道注意力和空间注意力进行跨维度交互，第一分支建立h维度与w维度之间的特征交互，第二分支建立c维度和w维度的特征交互，第三分支建立h维度和c维度的特征交互。
8、进一步的，所述双流模型，采用编码-解码结构，编码阶段用于海表面温度和海表面高度的特征提取，解码阶段用于特征融合。
9、进一步的，所述编码阶段，以海表面温度和海表面高度为输入，分别探究海表面温度、海表面高度与次表层温度的关系；在海表面高度、海表面温度进行特征提取的同时，考虑到中尺度涡具备复杂非线性特征，其海表面高度信息与海表面温度信息存在必然联系，为融合ssh和sst的关系特征，构建数据特征融合网络，同时利用跳跃连接降低过拟合风险；
10、所述解码阶段，融合编码阶段每层的特征输出的同时，利用反卷积实现分辨率的恢复。
11、进一步的，所述第一分支，引入identity残差分支结构，首先经过z-pool，融合平均池化以及最大池化特征，实现维度缩放；
12、所述第二分支，将输入的特征图张量沿w轴旋转，实现c维度和w维度的特征交互；
13、所述第三分支，将输入的特征图张量沿h轴旋转，实现h维度和c维度的特征交互。
14、进一步的，所述双流模型，以构建的中尺度涡次表层结构反演样本库作为训练数据集进行训练；
15、其中，以中尺度涡时间、涡心坐标位置对应的海表面信息作为输入参数，以中尺度涡时间、涡心坐标位置对应的次表层温度数据作为标签，构建所述的中尺度涡次表层结构反演样本库。
16、进一步的，所述双流模型的损失函数采用mae损失，其表示真实值与预测值之间的绝对差值之和，公式为：
17、
18、其中，为预测值，为真实值，n为一组温度场的数量。
19、进一步的，所述双流模型的评判标准采用r2、mae以及explained_variance_score进行比较，所述r2用于衡量对预测数据的拟合程度，公式表示为：
20、
21、其中，f为估计值，y为真实值，为观测数据的平均值；
22、所述explained_variance_score为解释方差，用于衡量模型对数据集波动的解释程度，计算真实值与预测值的可解释方差，公式如下：
23、
24、其中，var为方差，y为真实值，为预测值。
25、本专利技术第二方面提供了基于双流模型的中尺度涡三维次表层结构反演系统。
26、基于双流模型的中尺度涡三维次表层结构反演系统，包括数据采集模块、温度反演模块：
27、数据采集模块，被配置为：通过卫星采集待反演的中尺度涡海表面信息，包括海表面温度和海表面高度；
28、温度反演模块，被配置为：将中尺度涡海表面信息输入到训练好的双流模型中，反演出中尺度涡不同深度下的温度结果，得到中尺度涡次表层温度剖图；
29、其中，所述双流模型引入triplet attention注意力机制，采用三分支结构融合通道注意力和空间注意力进行跨维度交互，第一分支建立h维度与w维度之间的特征交互，第二分支建立c维度和w维度的特征交互，第三分支建立h维度和c维度的特征交互。
30、本专利技术第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的基于双流模型的中尺度涡三维次表层结构反演方法中的步骤。
31、本专利技术第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的基于双流模型的中尺度涡三维次表层结构反演方法中的步骤。
32、以上一个或多个技术方案存在以下有益效果：
33、本专利技术通过双流神经网络结构，发掘海表面参数间的数据关联，分别建立不同参数与次表层温度的关系模型，融合多源信息特征关系，实现特征融合，有效融合了多源数据，提升了反演效果。
34、本专利技术引入triplet attention注意力机制，采用三分支结构融合通道注意力和空间注意力，更有利于实现跨特征维度交互，提高中尺度涡空间特征交互能力，提升反演精度。
35、本专利技术中研发的中尺度涡三维次表层结构反演方案是对海洋次表层领域的探索，更有利于提升海洋领域专家及研究人员的工作效率，具备实用性。
36、本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。...
【技术保护点】
1.基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，包括：
2.如权利要求1所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述双流模型，采用编码-解码结构，编码阶段用于海表面温度和海表面高度的特征提取，解码阶段用于特征融合。
3.如权利要求2所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述编码阶段，以海表面温度和海表面高度为输入，分别探究海表面温度、海表面高度与次表层温度的关系；在海表面高度、海表面温度进行特征提取的同时，考虑到中尺度涡具备复杂非线性特征，其海表面高度信息与海表面温度信息存在必然联系，为融合SSH和SST的关系特征，构建数据特征融合网络，同时利用跳跃连接降低过拟合风险；
4.如权利要求1所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述第一分支，引入identity残差分支结构，首先经过Z-Pool，融合平均池化以及最大池化特征，实现维度缩放；
5.如权利要求1所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述双流模型，以构建的中尺度
6.如权利要求1所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述双流模型的损失函数采用MAE损失，其表示真实值与预测值之间的绝对差值之和，公式为：
7.如权利要求1所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述双流模型的评判标准采用R2、MAE以及explained_variance_score进行比较，所述R2用于衡量对预测数据的拟合程度，公式表示为：
8.基于双流模型的中尺度涡三维次表层结构反演系统，其特征在于，包括数据采集模块、温度反演模块：
9.一种电子设备，其特征是，包括：
10.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行权利要求1-7任一项所述方法的指令。
...【技术特征摘要】
1.基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，包括：
2.如权利要求1所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述双流模型，采用编码-解码结构，编码阶段用于海表面温度和海表面高度的特征提取，解码阶段用于特征融合。
3.如权利要求2所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述编码阶段，以海表面温度和海表面高度为输入，分别探究海表面温度、海表面高度与次表层温度的关系；在海表面高度、海表面温度进行特征提取的同时，考虑到中尺度涡具备复杂非线性特征，其海表面高度信息与海表面温度信息存在必然联系，为融合ssh和sst的关系特征，构建数据特征融合网络，同时利用跳跃连接降低过拟合风险；
4.如权利要求1所述的基于双流模型的中尺度涡三维次表层结构反演方法，其特征在于，所述第一分支，引入identity残差分支结构，首先经过z-pool，融合平均池化以及最大池化特征，实现维度缩放；
5.如...
【专利技术属性】
技术研发人员：霍吉东，耿丽婷，刘光亮，赵志刚，李传涛，王春晓，李响，张俭，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。